科学研究万物可以一级级向细拆分，比如分子、原子 、粒子、......，但是它们是怎么组装的？或者说是怎么“进化”的？计算机科学家提供了一个网络的视角。
一、对网络的认知发展：从随机到无尺度
原来人们以为这世界的组成是随机的，比如一个聚会（网络），出门前我们都不知道今天会认识谁，“网络”的形成是随机的。随机网络有个著名的理论叫六度分隔。你和这世界上任何一个人之间，最多通过6个人就能搭上关系，即便你想认识美国总统也是如此。
后来人们仔细观察发现，这个聚会中有的人善交际，认识了很多人；而不善交际的，只认识一二个。就是说“网络”能量分布是不均匀的，有的地方密集（就是“枢纽节点“--在一个网络中有比其他节点拥有更多链接的节点），有的地方空旷。一个网络的结构，主要是枢纽节点在支配和起作用；这也符合二八定律，总是20%的成员占据了80%的资源。
这就是无尺度网络，无尺度指的是我们没法用同样的尺度、同一个标准去衡量所有节点。无尺度网络是无序与有序的并存；只要抓住枢纽节点，整个网络就清晰可见。网络的本质就是无尺度网络。
二、无尺度网络的特点：
1、先发优势
网络中越早产生的节点越容易成为枢纽节点。因为一个网络在一开始的时候，节点数量不多，后来产生的节点，总是倾向于链接网络中已有的节点，这样最早的一批节点自然就能获得最多的链接。就象最早的微信公号，就象阿里、腾讯。
2、适者生存
后进入者，如果竞争力更强，适应度更高，能获得的链接也会更多。比如咪蒙，2016年年初才开始更新公众号，但短短一年时间，粉丝数就从0涨到了800万。因为写得多、写得好，引起更多人的共鸣和分享欲。
3、健壮与脆弱并存
除了枢纽节点以外的其他节点对整个网络来说都是次要的，砍掉这种节点，不会影响整个网络的连通；就象壁虎尾巴，砍了还会他起来。但枢纽节点被破坏，网络的结构就会发生重大变化。甚至会出现整体性的故障。
三、计算机网络的根基就是无尺度网络
俯瞰整个计算机网络的发展过程，我们发现：如果把“蓬勃发展的人工智能比作繁茂的枝叶，那么大数据的精准分析就是为枝叶输送养料的树干，而对复杂网络的深刻洞察就是最底层，也最基础的树根”（《链接》）。底层就是无尺度网络。
现在支撑人工智能的是深度学习的神经网络。这种神经网络的特点就象宝塔，多层结构；每层神经网络都有若干关键节点，它们接收上一层处理完的数据结果，共同解决一个问题，再把结果传递到下一层去做进一步的处理。流行的深度神经网络有两种：一种是处理空间分布的（卷积神经网络），另一种是处理时间分布的（循环神经网络）。它们的结构特点，都与无尺度网络有着密不可分的关系。
空间神经网络比如分析100万张白色背景的猫狗图片，从中找出5厘米尺寸的猫、狗图片各一张。它把每张图片都看成一个无尺度网络，分成若干格子（像素），然后再用框（比如3*3）去一个个局部分析；框到白色直接去掉（无用），框到躯干发现仍无法区分（无效）去掉；直到框到头部，发现完全不同，这是一个重要枢纽节点。
接着再把头部当成无尺度网络，分出五官；之后再把单独的五官再分析，比如眼睛，它的瞳孔粗细是区分猫狗的关键，成功率超80%，那么它也是一个重要枢纽节点。同时在分析过程中，各个节点的重要性会发生动态变化，成功率高的节点会加权，成功率低的节点会减权（比如胡须差不多），最后形成一个识别率最高的神经网络。
时间循环神经网络比如翻译，“我吃饭了”这一句话，切分成“我”“吃饭”“了”，然后把这3个部分逐个翻译，再按节点权重（语料库的大数据中捕捉前后文里面和这个字词搭配关系最紧密的字词，赋予它们更高的权重）重新排列，这样翻译就接近现实。
智能网络系统也是一个“适者生存”、不断调整的过程。
事实上，自然界、人类社会乃至整个世界的运行也大致如此，看似无序，实际或有一种无形的有规在引导。
--参见《时间的秩序》
20200220
閱讀更多 江蘇劉志祥 的文章
